Cette thèse présente des résultats dans le domaine de la prédiction d’interactions protéine-ARN. C’est un domaine de recherche très actif, pour lequel la communauté internationale organise régulièrement des compétitions pour évaluer différentes techniques de prédictions in silico d’interactions protéine-protéine et protéine-ARN sur des données benchmarks (CAPRI, Critical Assessment of PRedictedInteractions), par prédiction en aveugle et en temps limité. Dans ce cadre, de nombreuses approches reposant sur des techniques d’apprentissage supervisé ont récemment obtenus de très bons résultats.Nos travaux s’inscrivent dans cette démarche.Nous avons travaillé sur des jeux de données de 120 complexes protéine-ARN extraits de la PRIDB non redondante (Protein-RNA Interface DataBase, banque de données de référence pour les interactions protéine-ARN). La méthodologie de prédiction d'interactions protéine-ARN a aussi été testée sur 40 complexes issus de benchmarks de l'état de l'art et indépendants des complexes de la PRIDB non redondante. Le faible nombre de structures natives et la difficulté de générer in silico des structures identiques à la solution in vivo nous a conduit à mettre en place une stratégie de génération de candidats par perturbation de l’ARN partenaire d’un complexe protéine-ARN natif. Les candidats ainsi obtenus sont considérés comme des conformations presque-natives si elles sont suffisamment proches du natif. Les autres candidats sont des leurres. L’objectif est de pouvoir identifier les presque natifs parmi l’ensemble des candidats potentiels, par apprentissage supervisé d'une fonction de score.Nous avons conçu pour l'évaluation des fonctions de score une méthodologie de validation croisée originale appelée le leave-"one-pdb"-out, où il existe autant de strates que de complexes protéine-ARN et où chaque strate est constituée des candidats générés à partir d'un complexe. L’une des approches présentant les meilleures performances à CAPRI est l’approche RosettaDock, optimisée pour la prédiction d’interactions protéine-protéine. Nous avons étendu la fonction de score native de RosettaDock pour résoudre la problématique protéine-ARN. Pour l'apprentissage de cette fonction de score, nous avons adapté l'algorithme évolutionnaire ROGER (ROC-based Genetic LearnER) à l'apprentissage d'une fonction logistique. Le gain obtenu par rapport à la fonction native est significatif.Nous avons aussi mis au point d'autres modèles basés sur des approches de classifieurs et de métaclassifieurs, qui montrent que des améliorations sont encore possibles.Dans un second temps, nous avons introduit et mis en oeuvre une nouvelle stratégie pour l’évaluation des candidats qui repose sur la notion de prédiction multi-échelle. Un candidat est représenté à la fois au niveau atomique, c'est-à-dire le niveau de représentation le plus détaillé, et au niveau dit “gros-grain”où nous utilisons une représentation géométrique basée sur des diagrammes de Voronoï pour regrouper ensemble plusieurs composants de la protéine ou de l’ARN. L'état de l'art montre que les diagrammes de Voronoï ont déjà permis d'obtenir de bons résultats pour la prédiction d'interactions protéine-protéine. Nous en évaluons donc les performances après avoir adapté le modèle à la prédiction d'interactions protéine-ARN. L’objectif est de pouvoir rapidement identifier la zone d’interaction (épitope) entre la protéine et l’ARN avant d’utiliser l’approche atomique, plus précise,mais plus coûteuse en temps de calcul. L’une des difficultés est alors de pouvoir générer des candidats suffisamment diversifiés. Les résultats obtenus sont prometteurs et ouvrent desperspectives intéressantes. Une réduction du nombre de paramètres impliqués de même qu'une adaptation du modèle de solvant explicite pourraient en améliorer les résultats. / My thesis shows results for the prediction of protein-RNA interactions with machine learning. An international community named CAPRI (Critical Assessment of PRedicted Interactions) regularly assesses in silico methods for the prediction of the interactions between macromolecules. Using blindpredictions within time constraints, protein-protein interactions and more recently protein-RNA interaction prediction techniques are assessed.In a first stage, we worked on curated protein-RNA benchmarks, including 120 3D structures extracted from the non redundant PRIDB (Protein-RNA Interface DataBase). We also tested the protein-RNA prediction method we designed using 40 protein-RNA complexes that were extracted from state-ofthe-art benchmarks and independent from the non redundant PRIDB complexes. Generating candidates identical to the in vivo solution with only a few 3D structures is an issue we tackled by modelling a candidate generation strategy using RNA structure perturbation in the protein-RNAcomplex. Such candidates are either near-native candidates – if they are close enough to the solution– or decoys – if they are too far away. We want to discriminate the near-native candidates from thedecoys. For the evaluation, we performed an original cross-validation process we called leave-”onepdb”-out, where there is one fold per protein-RNA complex and each fold contains the candidates generated using one complex. One of the gold standard approaches participating in the CAPRI experiment as to date is RosettaDock. RosettaDock is originally optimized for protein-proteincomplexes. For the learning step of our scoring function, we adapted and used an evolutionary algorithm called ROGER (ROC-based Genetic LearnER) to learn a logistic function. The results show that our scoring function performs much better than the original RosettaDock scoring function. Thus,we extend RosettaDock to the prediction of protein-RNA interactions. We also evaluated classifier based and metaclassifier-based approaches, which can lead to new improvements with further investigation.In a second stage, we introduced a new way to evaluate candidates using a multi-scale protocol. A candidate is geometrically represented on an atomic level – the most detailed scale – as well as on a coarse-grained level. The coarse-grained level is based on the construction of a Voronoi diagram over the coarse-grained atoms of the 3D structure. Voronoi diagrams already successfully modelled coarsegrained interactions for protein-protein complexes in the past. The idea behind the multi-scale protocolis to first find the interaction patch (epitope) between the protein and the RNA before using the time consuming and yet more precise atomic level. We modelled new scoring terms, as well as new scoring functions to evaluate generated candidates. Results are promising. Reducing the number of parameters involved and optimizing the explicit solvent model may improve the coarse-grained level predictions.

Les phénotypes de tous les organismes vivants connus sont déterminés par les interactions compliquées entre les protéines produites dans ces organismes. La compréhension des réponses des organismes aux stimuli externes ou internes est basée sur la compréhension des interactions des protéines individuelles et des structures de ses complexes. La prédiction d'un complexe de deux ou plus protéines est le problème du domaine du docking protéine-protéine. Les algorithmes du docking ont habituellement deux étapes majeurs: recherche 6D exhaustive suivi par le scoring. Dans ce travail, nous avons contribués aux deus étapes sus indiquées. Nous avons développés le nouvel algorithme pour la recherche 6D exhaustive, HermiteFit. Cela est basé sur la décomposition des fonctions 3D en base Hermite. Nous avons implémenté cet algorithme dans le programme pour le fitting (l'ajustement des donnés) des cartes de densité électronique de résolution faible. Nous avons montrés qu'il surpasse les algorithmes existants en terme de temps par point tandis qu'il maintient la même précision du modèle sortant. Nous avons aussi développés la nouvelle approche de calculation de la fonction du scoring, qui est basé sur les arguments logique simples et qui évite la calculation ambiguë de l'état de référence. Nous avons comparés cela aux fonctions de scoring existantes avec l'aide du docking protéines-protéines benchmarks bien connues. Enfin, nous avons développés une approche permettant l'inclusion des interactions eau-protéine à la fonction du scoring et nous avons validés notre méthode pendant le CAPRI (Critical Assessment of Protein Interactions) tour 47. / The phenotype of every known living organism is determined mainly by the complicated interactions between the proteins produced in this organism. Understanding the orchestration of the organismal responses to the external or internal stimuli is based on the understanding of the interactions of individual proteins and their complexes structures. The prediction of a complex of two or more proteins is the problem of the protein-protein docking field. Docking algorithms usually have two major steps: exhaustive 6D rigid-body search followed by the scoring. In this work we made contribution to both of these steps. We developed a novel algorithm for 6D exhaustive search, HermiteFit. It is based on Hermite decomposition of 3D functions into the Hermite basis. We implemented this algorithm in the program for fitting low-resolution electron density maps. We showed that it outperforms existing algorithms in terms of time-per-point while maintaining the same output model accuracy. We also developed a novel approach to computation of a scoring function, which is based on simple logical arguments and avoids an ambiguous computation of the reference state. We compared it to the existing scoring functions on the widely used protein-protein docking benchmarks. Finally, we developed an approach to include water-protein interactions into the scoring functions and validated our method during the Critical Assessment of Protein Interactions round 47.

Le développement des anticorps thérapeutiques s'est rapidement accéléré dans les 10 dernières années et concerne un nombre croissant de pathologies. La connaissance de l'épitope, à savoir la région de la cible à laquelle l'anticorps se fixe, est essentielle pour la compréhension des effets fonctionnels de ce dernier. Nous avons développé une méthode in silico, MAbTope, qui permet une prédiction précise de cet épitope, quand bien même aucune structure 3D de l'anticorps d’intérêt n'est résolue. Cette méthode se base sur une méthode d'amarrage protéine-protéine développée auparavant dans l’équipe BIOS. Le jeu d'apprentissage a été fortement enrichi en complexes anticorps-cibles, de nouvelles fonctions de score spécifiques ont été mises au point, et le plus important, l'objectif de l'apprentissage-machine a été modifié pour optimiser non plus la conformation de !'assemblage, mais la prédiction de l'épitope. Nous montrons que la méthode qui en résulte permet une prédiction précise et robuste de l'épitope, que la structure 3D de l'anticorps soit connue ou non. Nous montrons également comment les prédictions peuvent être facilement exploitées pour la validation expérimentale. Enfin, nous montrons comment la méthode peut être utilisée pour étudier à haut-débit le recouvrement d'épitopes par des anticorps ayant la même cible. / The development of therapeutic antibodies has been rapidly increasing in the last 10 years, with application to an increasing number of pathologies. The knowledge of the epitope, the region of the antigen to which the antibody binds, is crucial for understanding its functional effects. We have developed an in silico method, MAbTope, which allows the accurate prediction of the epitope, regardless of the availability of the 3D structure of the antibody of interest. This method is based on a protein-protein docking method previously developed in the BIOS group. The learning dataset was enlarged in antibody-antigen complexes, new specific scoring functions have been designed, and very importantly, the objective of machine-learning was switched from the conformational perspective towards the epitope determination perspective. We show that the resulting method allows robust and accurate prediction, whether or not the 3D structure of the antibody is available. We also show how the predictions can be easily exploited for experimental validation. Finally, we show how this method can be used for high-throughput epitope binning.

La biologie structurale est la branche de la biologie qui étudie la structure et l'organisation spatiale des macromolécules.La biologie structurale concerne en particulier la détermination à l'échelle atomiquede la structure 3D, aux changement de conformation des macromolécules, et à la dynamique de ces structures.De nos jours, les techniques expérimentales modernes telles que la résonance magnétique nucléaire, la cristallographie aux rayons X et plus récemmentla microscopie cryoélectronique peuvent produire des cartes de densité à haute résolution, qui combinées aux informations sur la séquence d'une moléculepermettent aux biologistes de résoudre les structures 3D de la molécule à l'étude.Cependant, dans certains cas, la résolution des cartes de densité n'est pas suffisante.Dans un tel cas, on alignegénéralement des sous-unités individuelles, obtenues à haute résolution, dans la carte de densité de base résolution.Mentionnons qu'il est également également possible de déterminer la structure 3D d'un assemblage biologique en ancrant plusieurs sous-unités ensemble.C'est cependant un problème beaucoup plus difficile.Ces problèmes d'amarrage et d'alignement peuvent être formulés comme un problème d'optimisation dont la fonction de coût est écrite comme la corrélation croisée de deux autres fonctions.Les algorithmes d'ancrage originaux ont été formulés comme des problèmes de "clé et verrou", dans lesquels les protéines étaient considérées comme des corps rigides.Il est cependant naïf de considérer les macromolécules comme des corps rigides. Les protéines sont flexibles et peuventsubir de grands changements conformationnels lors de la liaison à d'autres molécules. Considérer les problèmes d'ancrage comme des problèmes de"clé et verrou" n'est donc pas suffisant.Une méthode d'ancrage flexible standard utilise donc l'approche "aligner puis affiner", qui, dans certains cas, peut omettre de bonnes conformations.Cette thèse se concentre sur deux axes principaux.Le premier axe est le développement d'une nouvelle méthode qui échantillonne de manière exhaustive les mouvements de corps rigides et les mouvements collectifs, calculés par analyse en modes propres (AMP).Nous présentons d'abord une méthode qui utilise la transformée de Fourier rapide pour échantillonner une approximation quadratique de la fonction coût. Ensuite, la méthode effectuela recherche flexible en maximisant l'approximation quadratique de la fonction de coût dans un certain domaine de recherche. Cette méthode garantit de trouver la meilleure conformation flexible.Nous présentons ensuite une version en itterative de notre algorithme, qui trouve les mouvements collectifs qui maximisent le score d'amarrage par rapport aux degrés de liberté (DDLs) du corps rigide.La méthode échantillonne de manière exhaustive à la fois les mouvements de corps rigides et les mouvements collectifs en maximisant le maximum lisse selon les DDls correspondant aux transformations rigides de la fonction coût.Les deux méthodes ont été appliquées à des problèmes d'alignement sur des exemples réels et artificiels.De plus, nous présentons un exemple dans lequel l'approche "aligner puis raffiner" n'est pas capable de trouver la bonne conformation tandis quenotre méthode peut trouver ladite conformation.Le deuxième axe est le développement d'une nouvelle extrapolation des mouvements calculés par l'AMP.Nous montrons qu'il est possible, avec des calculs minimaux, d'extrapoler les mouvements instantanés calculés par l'AMP dans le sous espaces des rotations-traslations des blocs (RTB) comme une rotationpresque pure autour d'un certain axe.Nous avons appliqué cette méthode appelée NOLB sur différents systèmes biologiques et avons pu, d'une part, récupérer des mouvements biologiquement pertinents et d'autre part démontrer que la méthode NOLB génère des structures avec une meilleure topologie qu'une méthode d'AMP linéaire. / Structural biology is a branch of molecular biology, biochemistry, and biophysics concerned with the molecular structure of macromolecules, how they acquire the structures they have,and how alterations in their structures affect their function.These molecules are a topic of interest because they serve to keep the cellsalive and functioning.Nowadays, modern experimental techniques, such as nuclear magnetic resonance (NMR), X-ray crystallography and more recently cryo-electron microscopy (cryo-EM) canproduce high resolution density maps, which combined with the information about the sequence of a molecule allows biologists to solve thethree-dimensional (3D) structures of the molecule under study. However, when studding large biological assemblies, experimental techniques are notalways able to generate density maps with a high enough resolution. In such a case, one typically fits individual sub-units, which weresolved using at a higher resolution, into the lower-resolution density map.Let us also mention that it is also possible determine the 3D structure of a biological assembly by docking several sub-units together.This is a much more difficult problem though.These docking and fitting problems can be reformulated as an optimization problem whose cost function can be written as the cross-correlation of two functions.The first fitting and docking algorithms were formulated as "lock and key" problems, in which the proteins were considered as rigid body.However, considering macromolecules, especially proteins, as rigid bodies is not realistic.Proteins are indeed flexible and can undergo large conformational changesupon binding to other molecules.Considering docking and fitting problems as "lock and key" problems is therefore not sufficient.Therefore, a standard flexible docking/fitting method first uses a six-dimensional (6D) rigid body docking/fitting algorithm and then flexibly relaxes the top docking/fitting poses.This approach will be thus refereed to as to the fit then refine approach.However, in some cases, such an approach can miss good conformations.This thesis focuses on two main axes.The first axis is the development of a new method that exhaustively samples both rigid-body and collective motions computed via normal mode analysis (NMA).We first present a method that combines the advantages of the Fourier transform (FFT)-based exhaustive search, which samples all the conformations of a system under study on a grid, with a local optimization technique thatguarantees to find the nearest optimal off-grid and flexible conformation.The algorithm first samples a quadratic approximation of a scoring function on a 6D grid. Then, the method performs the flexible search by maximizing the quadratic approximation of the cost functionwithin a certain search space.We then present a multi-step version of our algorithm, which finds the collective motions that maximize the docking score with respect to the rigid-body degrees of freedom (DOFs).The method exhaustively samples both rigid-body and collective motions by maximizing the soft maximum over the rigid body DOFs of the docking/fitting cost function.Both methods were applied to docking problems on both real and artificial example and we were able to design a benchmark in which the fit then refine approach fails at finding the correct conformation whileour method succeeds.The second axis is the development of a new extrapolation of motions computed by NMA.We show that it is possible, with minimal computations, to extrapolate the instantaneous motions computed by NMA in the the rotations-translations of blocks (RTB) subspace as an almost pure rotation around a certain axis.We applied this non-linear block (NOLB) method on various biological systems and were able to, firstly, retrieve biologically relevant motions andsecondly, to demonstrate that the NOLB method generates structures with a better topology than a linear NMA method.

Les récentes avancées des méthodes de détermination structurale à basse résolution (microscopie électronique, dispersion de neutrons ou de rayons X aux petits angles) et de l'imagerie cellulaire révèlent l'importance des assemblages supramoléculaires dans le fonctionnement de la cellule. Ces structures sont actuellement hors de portée des méthodes classiques de la modélisation moléculaire, limitées à l'étude des assemblages moléculaires de taille moyenne. Nous proposons une approche multi-échelle appelée Heligeom, basée sur les mouvements de vissage, permettant de relier l'échelle atomique à l'échelle des gros assemblages moléculaires. Cette approche exploite la propriété des assemblages moléculaires de s'auto-organiser en une grande variété de motifs géométriques tels que les hélices, les anneaux ou les filaments linéaires. Couplée à l'exploration des modes d'assemblage protéine-protéine au moyen de simulations d'amarrage ou d'échantillonnage par Monte Carlo, cette approche permet l'exploration et la combinaison de ces motifs. L'application d'Heligeom à l'étude du filament de RecA, une protéine membre de la famille des recombinases, a pu apporter un nouvel éclairage sur les modes d'auto-association de RecA et la diversité des géométries correspondantes, ainsi que sur les conséquences structurales de l'introduction d'irrégularités dans ces oligomères.La suite logicielle Heligeom est disponible dans la bibliothèque libre PTools. / Recent progress in methods for low resolution structural determination (electron microscopy, small angle neutron or X-ray scattering) and 3D cell imaging reveal the importance of supramolecular assemblies in the cell function. These structures are presently out of the reach of classical molecular modeling methods, which are limited to the study of medium size assemblies. We propose a multi-scale approach called Heligeom, based on the screw representation of movements, which enables linking the atomic scale to the scale of large assemblies. This approach builds on the property of molecular assemblies to self-organize into a large variety of geometric motifs such as helices, rings of linear filaments. Coupled to the exploration of protein-protein assembly modes using docking or Monte Carlo simulations, this approach allows identifying and combining such motifs. Application of Heligeom to study the filaments of RecA, a member of the recombinase protein family, shed new light on the modes of RecA self-association and the diversity of corresponding geometries, as well as the structural consequences of introducing irregularities in these oligomers. The Heligeom suite of computational tools is freely available in the PTools library.

Dans la cellule, les protéines évoluent dans un environnement très dense et interagissent ainsi avec un grand nombre de partenaires spécifiques et non-spécifiques qui entrent en compétition. L’objectif de ma thèse est de caractériser les propriétés physiques et évolutives des surfaces protéiques pour comprendre comment la pression de sélection s’exerce sur les protéines, façonnant leurs interactions et régulant ainsi cette sévère compétition.Pour cela, j’ai développé une méthodologie permettant de caractériser la propension des protéines à interagir avec les protéines de leur environnement, par des approches de docking. La cartographie moléculaire permettant la visualisation et la comparaison des propriétés de la surface des protéines, j’ai donc mis en place un nouveau cadre théorique basé sur une représentation des paysages énergétiques d'interaction par des cartes d'énergies. Ces cartes (en deux dimensions) reflètent de manière synthétique la propension des surfaces protéiques à engager des interactions avec d’autres protéines. Elles sont donc d’un grand intérêt pratique pour déterminer les régions des surfaces protéiques les plus enclines à engager des interactions avec d’autres molécules.Ce nouveau cadre théorique a permis de montrer que les surfaces des protéines comprennent des régions de différents niveaux d'énergies de liaison (régions chaudes, intermédiaires et froides pour les régions d'interaction favorables, intermédiaires et défavorables respectivement).Une partie importante de la thèse a consisté à caractériser les propriétés physico-chimiques et évolutives de ces différentes régions. L'autre partie a consisté à appliquer cette méthode sur plusieurs systèmes : complexes homomériques, protéines du cytosol de S. cerevisiae, familles d'interologues. Ce travail ouvre la voie à un grand nombre d'applications en bioinformatique structurale, telles que la prédiction de sites de liaison, l’annotation fonctionnelle ou encore le design de nouvelles interactions.En conclusion, la stratégie mise en place lors de ma thèse permet d’explorer la propension d’une protéine à interagir avec des centaines de partenaires d'intérêts, et donc d'investiguer le comportement d’une protéine dans un environnement cellulaire spécifique. Cela va donc au-delà de l'utilisation classique du docking "binaire" puisque notre stratégie fournit une vision systémique des interactions protéiques à l’échelle des "résidus". / In the crowded cell, proteins interact with their functional partners, but also with a large number of non-functional partners that compete with the functional ones. The goal of this thesis is to characterize the physical properties and the evolution of protein surfaces in order to understand how selection pressure exerts on proteins, shaping their interactions and regulating this severe competition.To do this I developed a framework based on docking calculations to characterize the propensity of protein surfaces to interact with other proteins. Molecular cartography enables the visualization and the comparison of surface properties of proteins. I implemented a new theoretical framework based on the representation of interaction energy landscapes by 2-D energy maps. These maps reflect in a synthetic manner the propensity of the surface of proteins to interact with other proteins. These maps are useful from a practical point view for determining the regions of protein’s surface that are more prone to interact with other proteins. Our new theoretical framework enabled to show that the surface of proteins harbor regions with different levels of propensity to interact with other proteins (hot regions, intermediate and cold regions to favorable, intermediate and unfavorable regions respectively).A large part of this thesis work consisted in characterizing the physico-chemical properties and the evolution of these regions. The other part of this thesis work consisted in applying this methodology on several study systems: homomeric complexes, cytosolic proteins from S. cerevisiae, families of interologs. This work opens the way to numerous practical applications in structural bioinformatics, such as binding site prediction, functional annotation and the design of new interactions.To conclude, the strategy implemented in this work enable the exploration of the propensity of a protein to interact with hundred of protein partners. It thus enables the investigation of the behavior of a protein in a crowded environment. This application goes beyond the classical use of protein docking as a, because our strategy provides a systemic point of view of protein interactions at an atomic resolution.

Les interactions ARN-protéine interviennent dans de nombreux processus cellulaires fondamentaux. L'obtention de détails à l'échelle atomique de ces interactions nous éclaire sur leurs fonctions, mais permet également d'envisager la conception rationnelle de ligands pouvant les moduler. Lorsque les deux techniques majeures que sont la RMN et la cristallographie aux rayons X ne permettent pas d'obtenir une structure 3D entre les deux partenaires, des approches de docking peuvent être utilisées pour apporter des modèles. L'application de ces approches aux complexes ARN-protéine se heurtent cependant à une difficulté. Ces complexes résultent en effet souvent de la liaison spécifique d'une courte séquence d'ARN simple-brin (ARNsb) à sa protéine cible. Hors, la flexibilité inhérente aux segments simples-brins impose dans une approche classique de docking d'explorer un large ensemble de leur espace conformationnel. L'objectif du projet est de contourner cette difficulté par le développement d'une approche de docking dite "par fragments". Ce dernier s'est fait à partir de domaines de liaison à l'ARN très représentés dans le monde du vivant. Les résultats ont montré une excellente capacité prédictive de l'approche à partir de la séquence de l'ARN. Ils ont de plus montré un potentiel intéressant dans la prédiction de séquences d'ARN simple-brin préférentiellement reconnues par des domaines de liaisons à l'ARN. / RNA-protein interactions mediate numerous fundamental cellular processes. Atomic scale details of these interactions shed light on their functions but can also allow the rational design of ligands that could modulate them. NMR and X-ray crystallography are the 2 main techniques used to resolve 3D highresolution structures between two interacting molecules. Docking approaches can also be utilized to give models as an alternative. However, the application of these approaches to RNA-protein complexes is hampered by an issue. RNA-protein interactions often relies on the specific recognition of a short singlestranded RNA (ssRNA) sequence by the protein. The inherent flexibility of the ssRNA segment would impose, in a classical docking approach, to explore their resulting large conformation space which is not computationally reliable. The goal of this project is to overcome this barrier by using a fragment-based docking approach. This approach developed from some of the most represented RNA-binding domains showed excellent results in the prediction of the ssRNA-protein binding mode from the RNA sequence and also a great potential to predict preferential RNA binding sequences.

La P-glycoprotéine (P-gp) appartient à la famille des transporteurs ABC qui confèrent, aux microorganismes pathogènes et cellules tumorales humaines, par transport actif à travers la membrane plasmique, une résistance à de multiples molécules antibiotiques et anticancéreuses sans parenté structurale. Malgré les quelques structures de transporteurs ABC bactériens, la caractérisation par microscopie électronique de la P-gp, et la récente structure de P-gp de souris déposée dans la Protein Data Bank (PDB), obtenir une structure pour la P-gp humaine est d'un intérêt particulier à cause de son importance clinique. Actuellement, il n'existe pas de modèle structural d'interaction P-gp/substrat permettant d'expliquer sa multispécificité. Par modélisation par homologie, nous avons reconstruit trois structures de la Pgp humaine: une en présence et deux autres en absence de nucléotide. La liaison du nucléotide change l'accessibilité du transporteur de la face cytoplasmique vers la face extracellulaire. Ces trois états conformationnels ont été placés dans un environnement membranaire afin de révéler la localisation des mutations spécifiques altérant la liaison de la P-gp à certains médicaments. Enfin, nous avons réalisé une étude de docking sur deux structures modélisées de P-gp de Hamster dans les deux orientations. Ce docking a concerné trois molécules sans aucune ressemblance structurale (vérapamil, vinblastine et tentoxine) mais dont les fixations sont mutuellement soit compétitives, soit non-compétitives. Les meilleures poses obtenues sont compatibles avec l'existence de deux pharmacophores distincts pour la reconnaissance des drogues transportées par la P-gp.

L'objet de ce travail est de présenter de facon détaillée des méthodes de modélisation appliquées à l'analyse des mécanismes de reconnaissance moléculaire et à la conception de nouveaux composés bioactifs selon deux approches : la conception basée sur la structure des récepteurs et la conception basée sur la structure des ligands.<br />Dans le cadre du premier axe, la méthode de construction de protéines par homologie de Blundell, implémentée dans le module COMPOSER de SYBYL et la méthode d'amarrage de Morris, implémentée dans le logiciel AUTODOCK3, sont décrites et appliquées à la modélisation et à l'étude des mécanismes de reconnaissance moléculaire d'un antigène polysaccharidique de la bactérie Shigella flexneri 5a et de mimes peptidiques immunogènes par un anticorps humain protecteur : IgA I3.<br />Dans le cadre du second axe, l'analyse statistique de descripteurs de champs d'interaction moléculaire de type CoMSIA et les méthodes de validation des modèles qu'elle génère sont présentées et appliquées à l'étude des relations structure activité en trois dimensions d'une série de 27 analogues de flavonoïdes modulateurs du transporteur ABCG2 (BCRP), impliqué dans le mécanisme de résistance multiple aux anticancéreux que développent les cellules tumorales. La production de modèles statistiquement fiables et performants a permis de concevoir de nouveaux composés biologiquement actifs.

Le travail présenté dans ce document correspond à huit années de recherche sur la problématique de l'interaction entre protéines. J'ai abordé le problème de la prédiction des interactions entre protéines sous l'angle de l'apprentissage supervisé. Je me suis donc intéressé à l'apprentissage de modèles prédictifs aux interactions entre protéines. J'ai étudié deux types d'interactions différentes : - l'interaction protéine-protéine au sens réseau d'interactions ; - l'interaction physique entre protéines consistant à prédire quels résidus se trouvent effectivement en interaction (amarrage protéine-protéine). Le document est structuré de la manière suivante : après avoir présenté la problématique de l'apprentissage supervisé et non-supervisé dans le premier chapitre, un second chapitre est consacré à la prédiction d'interaction protéine-protéine. Les résultats obtenus sur l'amarrage protéine-protéine est présenté dans le troisième chapitre et enfin, un dernier chapitre est consacré aux perspectives associées à ces travaux.